近年来，地震、火灾、雪灾等灾害事件频繁发生，严重威胁人民的生命和财产安全。随着地面机器人（Unmanned Ground Vehicle, UGV）和空中机器人（Unmanned Air Vehicle, UAV）技术的发展，如何使用机器人对灾难进行监控和救援成了许多学者研究的课题。当前研究中存在以下问题：UGV能够精确地对地面目标进行定位，但移动速度慢，容易受到障碍物的遮挡；而UAV可以大范围地搜索目标，但高度和速度限制了目标的精确定位，不适合进行地面救援工作。UAV/UGV协同救援则解决单一结构机器人各自的不足。

    面向机器人救援存在的问题，本项目以建立“基于混合系统模型的多异构机器人协同作业混合系统模型、地图构建以及优化作业”为核心目标，针对UAV/UGV多任务、多机器人救援，结合机器人动态特性，提出多层次有限时间切换的异构机器人混合系统模型，探讨多异构机器人同时定位与地图构建，设计混合逻辑优化作业算法。本项目由国家自然科学基金资助，金额为65万元。 本项目在四个研究内容方面均取得了国际领先的成果。

    （一）在UAV/UGV多任务混合系统立体协同作业模型方面，我们提出了一个有效的通用框架用于解决多目标优化问题,结合各种进化算子的优势和选择标准在多个种群运行，并实现了一个简单的集成算法作为原型来展示我们提出的框架。成果“An Effective Ensemble Framework for Multiobjective Optimization”发表于中科院一区期刊《IEEE Transactions on Evolutionary Computation》。 我们提出了一种基于动态种群策略的多目标免疫算法，简称MOIA-DPS，将动态种群规模控制策略引入到多目标免疫算法中，从而可以弥补免疫克隆原则所导致的多样性不足，同时也能充分利用其所提供的计算资源。成果“A multi-objective immune algorithm with dynamic population strategy”发表于中科院二区期刊《Swarm and Evolutionary Computation》。

     （二）在多数据融合的复杂环境地图构建与视觉/惯导定位方面，我们提出基于生成对抗网络的空地协同机器人主动地貌建图，提出结合了主动学习来挑选多样性的数据来训练生成对抗网络的技术，解决少量样本下生成对抗络的局限性的问题, 提高地貌建图效果。成果“Diversity-Sensitive Generative Adversarial Network for Terrain Mapping Under Limited Human Intervention”发表于TOP期刊《IEEE Transactions on Cybernetics》（中科院一区）。 我们提出基于视觉与语义信息的无人机室外定位算法，利用在线稀疏的高斯过程近似的方法来改进观测模型，并在观测模型中结合了视觉的全局特征和语义信息。本成果《Global visual and Semantic Observations for Outdoor Robot Localization 》发表于TOP期刊《IEEE Transactions on Network Science and Engineering》（中科院二区） 。

    （三）在多任务下的异构机器人混合智能路径规划方面，我们提出无人机协同系统中的混合路径规划方法。首先利用无人机从空中视觉中获取到地面图像，然后进行图像去噪、图像校正、障碍物识别等处理，自动构建地面地图，最后利用图像校正技术提高了无人机对障碍物的识别精度。在攻取到无人机的地面图像基础上，我们提出了一种面向地面机器人的混合协同路径规划算法。该算法利用遗传算法进行全局路径规划，使用地面机器人的局部信息，不断滚动优化遗传算法的全局优化结果。 未知场景下的无人机自主降落方面，我们研究了无人机能够在未知环境中自主着陆。提出的方法为，提出GCN与DRL结合的模型。无人机获取的图片转为拓扑图输入到模型中。因此，每张图的拓扑结构是不相同的。我们认为当无人机处于可着陆地形正上方的时候，越靠近目标区域的中心点，所获取图片的拓扑结构连通性越高。DRL的奖励依据图的拓扑结构连通性以及节点特征设定。目前场景与模型构建完成。

    （四）多异构机器人实际环境救援及实验验证方面，提出一种基于图卷积神经网络的模型迁移技术，将仿真环境下模型向真实环境有效迁移，未知场景下的无人机在紧急情况下自主降落。 本成果《Integrated Air-Ground Vehicles for UAV Emergency Landing based on Graph Convolution Network》发表于TOP期刊《IEEE INTERNET OF THINGS JOURNAL》（中科院一区）。 我们提出了可预测的移动人群隐私保护感知系统。为了支持保护隐私，我们首先提出Salus算法，一种差分私有扰动算法，可抵抗数据重构攻击并提供可量化的效用。成果“Predictable Privacy-reserving Mobile Crowd Sensing:A Tale of Two Roles”发表于中科院二区期刊《IEEE/ACM TRANSACTIONS ON NETWORKING》。

    另外，我们研发了空地无人系统的采查监管与紧急调度平台，实现了 1）当前业务场景任务进行系统管的；2）无人机航线勘探勘查与规划；3) 异常事件智能预测预警；4）立体化指挥与紧急调度平的；5) 基于空地无人系统的采查监管与紧急调度平台。

    本项目累计发表科研论文27篇，其中4篇为国际会议EI论文，进行了大会报告，23 篇为SCI检索论文，大部分为国际知名期刊，具有较高的国际影响力。本项目已获授权专利4项、软件著作权4项，在审专利16项。本项目在复杂环境下空中/地面多异构机器人立体协同策略研究研究和工程应用方面都取得了突出的成果。

    目前，项目成果在深汕特别合作区进行落地应用，实现基于空地无人机系统的城市级别巡查巡检，提高社会治理的智能化水平，具有极高的社会前景与经济价值。 此外，该项目把混合系统建模与优化策略同时应用于移动互联网与大数据分析中，项目组研发的“基于物联网的多维健康数据智能平台关键技术及应用”获得2019年吴文俊人工智能科学技术奖科技进步奖一等奖；荣获2020年广东省科技进步奖二等奖；荣获2020年深圳市科技进步奖二等奖。